Oberoende · Osponsrat · Öppen metodik

En ärlig jämförelse av AI-kod för NRF-utvecklare.

Den här sajten finns för att göra ett svårt val lite enklare. Vilket AI-verktyg skriver faktiskt användbar kod för nRF-plattformen — och vilket producerar hallucinerade register, påhittade API:er och sleep-läges­buggar? Vi testar, dokumenterar och publicerar resultaten.

Inga sponsrade placeringar Reproducerbara tester Löpande uppdaterat

Byggd av en utvecklare, för utvecklare.

De flesta AI-jämförelser på nätet är generella: ”skriv en React-komponent”, ”förklara rekursion”. Men för oss som jobbar nära hårdvara — med radio-stackar, strömbudgetar och timing-kritiska avbrott — säger sådana tester nästan ingenting. Den här sajten fyller glappet med nRF-specifika benchmarks, utan affiliate-länkar och utan att någon leverantör betalat för placering.

Ingen monetär intressekonflikt

Sajten tar inte emot provision, sponsring eller gratislicenser. Alla verktyg testas via betalda standardkonton.

Öppna prompts

Varje testprompt publiceras ordagrant så att du själv kan köra den i valfri modell och verifiera resultatet.

Hårdvarunära utvärdering

Koden kompileras, flashas och mäts på faktiska DK-kort — inte bara betygsatt visuellt i en editor.

Så vägs resultaten.

Varje verktyg får samma prompts, samma kontext (nRF Connect SDK v2.x, Zephyr RTOS) och samma tid på sig. Resultatet poängsätts i fyra viktade dimensioner som tillsammans ger en slutlig bedömning.

01 — KRITERIUM

Kompilerbarhet

Byggs koden utan modifikationer med west build mot rätt board-target? Saknade includes, felaktiga Kconfig-flaggor och påhittade header-filer ger avdrag.

Vikt 30 %
02 — KRITERIUM

Funktionell korrekthet

Gör koden det som efterfrågades när den körs på hårdvara? Vi loggar via RTT, samplar GPIO med logikanalysator och verifierar BLE-trafik med sniffer.

Vikt 35 %
03 — KRITERIUM

Idiomatisk Zephyr

Används rätt abstraktioner — k_work, devicetree-bindings, gpio_dt_spec — eller blandas HAL-anrop på låg nivå med Zephyr-API:er på ett rörigt sätt?

Vikt 20 %
04 — KRITERIUM

Strömförbrukning

Resulterande ström mäts med Power Profiler Kit II under sleep. Verktyg som producerar ”fungerande” kod som drar 4 mA i idle får kraftiga avdrag.

Vikt 15 %

De uppgifter varje verktyg får lösa.

Scenarierna är valda för att täcka de områden där nRF-utvecklare oftast behöver hjälp — och där generella AI-modeller oftast misslyckas. Varje scenario körs tre gånger per verktyg; medelvärdet rapporteras.

BLE-annonsering med custom payload

Skapa en non-connectable advertiser som sänder ett tillverkarspecifikt dataelement var 500 ms, med korrekt flags och längd­byte.

ble_adv_mfg_data

Sleep-modes & System OFF-wakeup

Konfigurera System OFF med wake-up från GPIO och behåll RAM-retention för ett statusord. Verifiera ström < 2 µA i off-läge.

pm_sys_off_wake

GPIO interrupt → work queue

Trigga på fallande flank, offloada hanteringen från ISR-kontext till en work queue, och debouncea korrekt i mjukvara.

gpio_isr_workq

Devicetree-overlay för sensor

Lägg till en BME280 på SPI1 via overlay, enablea rätt Kconfig och läs data med sensor-API:et.

dt_overlay_sensor

NUS-service över BLE

Implementera Nordic UART Service som central-side-klient, med MTU-förhandling och korrekt notify-callback.

ble_nus_central

MCUboot-kompatibel firmware-update

Bygg en app med stöd för smp_svr över BLE, sätt upp swap-algoritm och validera signerad bildrotation.

mcuboot_dfu_ble
Senast uppdaterad 14 mars 2026

AI-verktyg utvecklas i rasande takt — en modell som rankades lågt i höstas kan toppa listan idag. Testerna körs om vid varje större modell­släpp och minst en gång i kvartalet.

Löpande utvärdering

Hittar du ett fel? Säg till.

Sajten är gjord i god tro men inte ofelbar. Om ett testresultat ser konstigt ut, en prompt är orättvist formulerad eller ett verktyg har släppt en ny version som ändrar bilden — hör av dig så kör vi om testet. Syftet är att komma närmare sanningen, inte att försvara gamla slutsatser.